Search

JOE is a connected companion-robot which aims to help young asthmatic children to take their medicines. "Child autonomy" and "parents serenity" are the key words of the creators of this small robot : LUDOCARE start-up [1]. In this demonstration, we will present how JOE works with a focus on the tracing system and the personalization that aim at making JOE smarter. Then we will explain all the steps of a medical treatment with JOE, from the alarm to the personalization of the reward given that ends the treatment, thanks to the trace-based analysis., JOE est un robot-compagnon connecté à destination des enfants asthmatiques visant à les aider à prendre leur traitement. "Autonomie de l'enfant" et "sérénité des parents" sont les maîtres mots des créateurs de ce robot : la start-up LUDOCARE [1]. Dans cette démonstration, nous nous proposons de présenter JOE et son fonctionnement en insistant sur les mécanismes de traçage et de personnalisation qui visent à rendre JOE plus intelligent. Nous détaillerons comment s'effectue une prise de traitement pour l'enfant avec JOE, depuis l'alarme qui rappelle le traitement jusqu'à la personnalisation de la récompense donnée pour clôturer la prise. Nous expliquerons également comment sont exploitées les traces des interactions entre JOE et son jeune utilisateur.

International audience

National audience; Cet article présente le contexte et les objectifs du projet ANR nommé Constrained Semantic Webof Things (CoSWoT). CoSWoT a pour objectif de proposer une architecture logicielle distribuée compatibleWoT et embarquée sur des dispositifs contraints. Cette architecture a deux caractéristiques principales :(1) elle utilisera des modèles de connaissances à base de graphes pour déclarer la logique applicative desdispositifs et la sémantique des messages échangés ; (2) les dispositifs auront des capacités de raisonnementafin de répartir les tâches de traitement entre eux. Le développement d’applications WoT sera simplifié :notre plateforme permettra le développement et l’exécution d’applications intelligentes et décentralisées duWoT malgré l’hétérogénéité des dispositifs connectés. La plateforme proposée sera testée sur plusieurs casd’utilisation dans le bâtiment intelligent et en agriculture numérique.

National audience

National audience; Dans le cadre de cette thèse, nous souhaitons définir un processus de personnalisation des activités de l'apprenant, indépendamment de la discipline et du niveau concernés. Ce processus prend place au sein d'une approche par compétences dans laquelle chaque matière enseignée est décrite à partir d'un référentiel de compétences. Nous visons la conception d'un processus semi-automatique paramétrable par un enseignant, et explicable. Pour cela, nous définissons un méta-modèle permettant à l'équipe pédagogique de concevoir des stratégies de personnalisation exprimées sous la forme de règles. Nous associons à ce méta-modèle, un algorithme de personnalisation capable d'exploiter ces stratégies pour proposer à chaque apprenant des activités adaptées à son profil de compétences.

National audience; The context of this work is the study of sequential data that can be represented with sequences of timestamped events. The aim is to explore these sequences with sequence mining to discover serial episodes which are frequent event subsequences that occur frequently in data (Mannila et al., 1997). The domain of melodic analysis is studied in this work : the aim is to highlight the structure of a musical piece by discovering its main melodic patterns. The episodes produced by the miner are examined by a user generally an expert of the domain who have to identify relevant episodes and interpret them. Meanwhile in the interpretation step, the user has to face to a recurrent overabundance of mining's results which makes difficult the identification of interesting ones. There is a real need to adopt a rigorous approach to methodically manage this step and assist the user's work. For this, we propose a visual and interactive approach to assist the interpretation of serial episodes. An Interactive approach to the interpretation of serial episodes We propose to assist the interpretation task by managing combinatorial redundancy in order to focus on relevant episodes. The assistance combines iteratively ranking and filtering useless episodes to help focusing on relevant ones. It has been exemplified in the Transmute prototype, a web-based application enabling user's interaction with events sequences and serial episodes that are represented graphically on a timeline with customisable icons. The interpretation process consists in the main iterative steps : ranking, selection and filtering. The user can choose measures to rank episodes and then select among them to display their occurrences in the sequence. When a choice is made, a filtering process is triggered to clean up other episodes that can no longer be selected following the previous selections of the user. Finally, the user can interpret the episodes by attaching them annotations and record the model resulting from the interpretation into a knowledge base. The ranking of episodes is performed thanks to several objective interestingness measures which estimate the relative importance and compactness of the episodes in the sequence. The first measure is the event coverage indicator which is the number of distinct events of the occurrences of an episode. The second measure is the spreading indicator which is the number of events of the sequence in the time intervals of the episode occurrences. The noise indicator is the difference between these two previous indicators and corresponds to the number of events of the sequence in the time intervals of the episode occurrences. Temporal measures may also be used when event duration are known. The selection of an episode by the user triggers the filtering process which is based on the event coverage of the selected episode. The remaining episodes are examined and occurrences having at least an event in common with the event coverage are discarded. The support is consequently updated and episodes whose support becomes less than the given frequency threshold are discarded. This results in removing combinatorial redundancy around the chosen episode and leads to a gradual diminution of the remaining episodes, allowing to the user a better focus on other episodes.

This thesis in computer science focuses on the problem of capitalizing analysis processes of elearning traces within the Learning Analytics (LA) community. The aim is to allow these analysis processes to be shared, adapted and reused. Currently, this capitalization is limited by two important factors: the analysis processes are dependent on the analysis tools that implement them - their technical context - and the pedagogical context for which they are conducted. This prevents them from being shared, but also from being simply reused outside their original contexts, even if the new contexts are similar. The objective of this thesis is to provide models and methods for the capitalisation of analysis processes of elearning traces, as well as to assist the various actors involved in the analysis, particularly during the reuse phase. To do this, we answer the following three scientific questions: how to share and combine analysis processes implemented in different analysis tools; how to reuse an existing analysis process to meet another analysis need; how to assist the different actors in the development and exploitation of analysis processes; and how to support them in the development and exploitation of analysis processes. Our first contribution, resulting from a synthesis of the state of the art, is the formalization of a cycle of elaboration and exploitation of the analysis processes, in order to define the different stages, the different actors and their different roles. This formalization is accompanied by a definition of capitalization and its properties. Our second contribution responds to the first barrier related to the technical dependence of current analysis processes and their sharing. We propose a meta-model that allows to describe the analysis processes independently of the analysis tools. This meta-model formalizes the description of the operations used in the analysis processes, the processes themselves and the traces used, in order to avoid the technical constraints caused by these tools. This formalism, common to the analysis processes, also makes it possible to consider their sharing. It has been implemented and evaluated in one of our prototypes. Our third contribution deals with the second lock on the reuse of analysis processes. We propose an ontological framework for analysis processes, which allows semantic elements to be directly introduced, in a structured way, during the description of analysis processes. This narrative approach thus enriches the previous formalism and makes it possible to satisfy the properties of understanding, adaptation and reuse necessary for capitalisation. This ontological approach was implemented and evaluated in another of our prototypes. Finally, our last contribution responds to the last lock identified and concerns new assistances to actors, in particular a new method of researching analysis processes, based on our previous proposals. We use the ontological framework of the narrative approach to define inference rules and heuristics to reason about the analysis processes as a whole (e.g. steps, configurations) during the research. We also use the semantic network underlying this ontological modeling to strengthen assistance to actors by providing them with inspection and understanding tools during the research. This assistance was implemented in one of our prototypes, and empirically evaluated., Cette thèse en informatique porte sur la problématique de la capitalisation des processus d’analyse de traces d’apprentissage au sein de la communauté des Learning Analytics (LA). Il s’agit de permettre de partager, adapter et réutiliser ces processus d’analyse de traces. Actuellement, cette capitalisation est limitée par deux facteurs importants : les processus d’analyse sont dépendants des outils d’analyse qui les mettent en œuvre - leur contexte technique - et du contexte pédagogique pour lequel ils sont menés. Cela empêche de les partager, mais aussi de les ré-exploiter simplement en dehors de leurs contextes initiaux, quand bien même les nouveaux contextes seraient similaires. L’objectif de cette thèse est de fournir des modélisations et des méthodes permettant la capitalisation des processus d’analyse de traces d’apprentissage, ainsi que d’assister les différents acteurs de l’analyse, notamment durant la phase de réutilisation. Pour cela, nous répondons aux trois verrous scientifiques suivant : comment partager et combiner des processus d’analyse mis en œuvre dans différents outils d’analyse ? ; comment permettre de ré-exploiter un processus d’analyse existant pour répondre à un autre besoin d’analyse ? ; comment assister les différents acteurs lors de l’élaboration et de l’exploitation de processus d’analyse ? Notre première contribution, issue d’une synthèse de l’état de l’art, est la formalisation d’un cycle d'élaboration et d'exploitation des processus d'analyse, afin d'en définir les différentes étapes, les différents acteurs et leurs différents rôles. Cette formalisation est accompagnée d’une définition de la capitalisation et de ses propriétés. Notre deuxième contribution répond au premier verrou lié à la dépendance technique des processus d’analyse actuels, et à leur partage. Nous proposons un méta-modèle qui permet de décrire les processus d’analyse indépendamment des outils d’analyse. Ce méta-modèle formalise la description des opérations utilisées dans les processus d'analyse, des processus eux-mêmes et des traces utilisées, afin de s’affranchir des contraintes techniques occasionnées par ces outils. Ce formalisme commun aux processus d’analyse permet aussi d’envisager leur partage. Il a été mis en œuvre et évalué dans un de nos prototypes. Notre troisième contribution traite le deuxième verrou sur la ré-exploitation des processus d’analyse. Nous proposons un framework ontologique pour les processus d'analyse, qui permet d'introduire de manière structurée des éléments sémantiques dans la description des processus d'analyse. Cette approche narrative enrichit ainsi le formalisme précédent et permet de satisfaire les propriétés de compréhension, d’adaptation et de réutilisation nécessaires à la capitalisation. Cette approche ontologique a été mise en œuvre et évaluée dans un autre de nos prototypes. Enfin, notre dernière contribution répond au dernier verrou identifié et concerne de nouvelles pistes d’assistances aux acteurs, notamment une nouvelle méthode de recherche des processus d’analyse, s’appuyant sur nos propositions précédentes. Nous exploitons le cadre ontologique de l’approche narrative pour définir des règles d’inférence et des heuristiques permettant de raisonner sur les processus d’analyse dans leur ensemble (e.g. étapes, configurations) lors de la recherche. Nous utilisons également le réseau sémantique sous-jacent à cette modélisation ontologique pour renforcer l’assistance aux acteurs en leur fournissant des outils d’inspection et de compréhension lors de la recherche. Cette assistance a été mise en œuvre dans un de nos prototypes, et évaluée empiriquement.

National audience; Le partage et la réutilisation de processus d'analyse de traces d'apprentissage, ainsi que leur adaptation à des contextes différents, sont devenus des enjeux importants dans le domaine des Learning Analytics. L'objectif est double : impliquer et soutenir la communauté dans le cycle du processus d'analyse, de son élaboration à son utilisation, et lui donner les outils nécessaires pour promouvoir une co-construction de ces analyses. Dès lors, il apparaît important de fournir aux différents acteurs des outils pour les assis-ter dans leur tâche respective, au sein de l'analyse. Dans cet article, nous présentons une assistance à la réutilisation des processus d'analyse de traces d'apprentissage via une recherche exploitant la représentation sémantique de ces processus d'analyse.

International audience; We present an architecture for self-motivated agents to generate behaviors in an environment that is continuous, both in space and time, through a continual interaction process. The long-term goal is to design agents that construct their own knowledge of objects and space through experience of the environment , rather than exploiting pre-coded knowledge. The agent exploits this constructed knowledge to exhibit behaviors satisfying its self-motivated principles, based on valences attributed to interactions, that specify inborn behavioral preferences. Over time, the agent learns the relation between its perception of objects and the interactions that they afford, in the form of data structures, called signatures of interaction. The agent keeps track of enacted interactions in a spatial memory in which it can use signatures to recognize and localize distant possibilities of interactions, and exhibits behaviors that satisfy its motivation principles, accordingly to this approach. In this paper, we propose a continual decision cycle between an agent and its environment to cope with the constraints that an artificial agent would meet in a physical environment.

National audience; Nous proposons d’analyser des jeux de données représentant des traces afin de découvrir le modèle sous-jacent et assister leur intégration dans un système à base de traces dédié au stockage et à la manipulation de traces numériques. Ce principe est mis en œuvre dans CSV2KTBS, un prototype interactif qui s’appuie sur l’analyse de concepts formels pour générer un modèle de la trace et assister un utilisateur dans le processus d’intégration dans un système à base de traces. L’utilisateur est sollicité pour interpréter les concepts qui lui sont proposés à partir de l’analyse des traces, ainsi que pour valider d’autres résultats obtenus par l’analyse. Ces principes ont été appliqués aux traces du jeu sérieux Tamagocours pour l’apprentissage des règles juridiques de diffusion de ressources numériques ainsi qu’aux traces de ClassCraft, une application ludique pour l’enseignement secondaire.

Conceptual clustering allows to partition a set of objects into clusters of similar objects, corresponding to formal concepts. We present a new approach based on constraint programming where formal concepts are extracted in a pre-processing step by using a dedicated data-mining approach. We compare the efficiency of our approach with several recent approaches using constraint programming or integer linear programming on classical machine learning instances. We also introduce a new set of instances coming from a real application case, which aims at extracting setting concepts from an Enterprise Ressource Planning (ERP) software. We assess the relevance of extracted concepts depending on criteria used in the objective function., Le clustering conceptuel permet de partitionner un ensemble d'objets en clusters d'objets similaires, correspondant à des concepts formels. Nous présentons une nouvelle approche basée sur la programmation par contraintes, où l'ensemble des concepts formels est extrait dans une étape de pré-traitement en utilisant des techniques spécialisées de fouille de données. Nous comparons l'efficacité de notre approche avec celle de plusieurs approches récentes utilisant la programmation par contraintes ou la programmation linéaire en nombres entiers sur des instances classiques d'apprentissage automatique. Nous introduisons également un nouvel ensemble d'instances provenant d'une application réelle, visant à extraire des concepts de paramétrage à partir de séquences de paramétrage d'un progiciel de gestion, et nous évaluons la pertinence des concepts extraits en fonction des critères utilisés dans la définition de la fonction objectif.

National audience; Nous proposons une démarche de découverte de connaissances à par-tir de traces afin d'analyser les traces d'activités laissées par des utilisateurs. Elle est mise en œuvre dans un processus d'extraction de connaissances à partir de données (ECD) qui génère des épisodes séquentiels ou des règles séquentielles. Ce processus a été mis en œuvre dans DISKIT et se décline sous deux formes. Dans une forme interactive, l'analyste peut étudier une trace individuellement à l'aide d'une interface graphique interactive. Dans une forme autonome, plusieurs traces peuvent être analysées simultanément sans interaction mais à l'aide de contraintes sémantiques. Cette démarche est mise en œuvre sous ces deux formes pour l'analyse des traces du jeu Tamagocours.

National audience; L'exploitation des données issues de dispositifs d'e-learning représente un enjeu majeur à l'heure actuelle pour la communauté EIAH. Malgré cela, la communauté dispose d'un écosystème hétérogène et disparate de données, de processus d'analyse de traces d'interactions et d'outils d'analyse. Peu de travaux traitent de l'échange ou de la réutilisation des processus d'analyse. Ce manque de capitalisation est un frein pour la communauté, l'obligeant à redéfinir et décliner l'existant. Cet article propose une approche pour capitaliser les processus d'analyse de traces indépendamment des plateformes d'analyses.

International audience; Web applications that rely on datasets of limited sizes to handle small but frequent updates and numerous queries have no simple way to define where data should be stored and processed. We propose a reasoning framework that can be integrated in Web applications and is able to perform the same reasoning tasks on both client or server sides. This framework embeds a rule-based reasoning engine that uses an algorithm relying on both incremental reasoning and named graphs. We evaluate the performance of our approach and compare the effects of incremental reasoning and named graphs in different experimental conditions. Results show that our reasoner can significantly reduce response times to INSERT and DELETE queries. During the demo we will exhibit how it can be used to perform reasoning tasks based on client-generated information and improve Web applications with location-agnostic reasoning.

International audience; The AGATE project proposed the SEPIA system that allows an assistance designer to define assistance systems added in target application. In Interac-tive Learning Environments, such assistance systems are useful to promote the acquisition of knowledge. These assistance systems consist of a set of aLDEAS rules. The articulation between these rules was expressed until now implicitly in the aLDEAS language. Our study of assistance in existing appli-cations shows that the articulation between the rules of assistance can take many forms. We propose in this paper firstly a model of articulation between assistance rules with the five modes of articulation that we have identified. We also present our implementation of this model in the SEPIA system. This model makes explicit and facilitates the definition of articulation between the rules of an assistance system

International audience; The Web of Things (WoT) uses Web technologies to engage connected objects in applications. However, building context-aware WoT applications requires accurate context description. In this paper, we overview different context modeling approaches in various fields related to the WoT, before studying the architecture of WoT applications. Based on our study, we propose a multi-level and multi-dimensional context meta-model to help identify and organize context information WoT applications need to deal with adaptation.

National audience; Durant le processus d'extraction de connaissances à partir de données (ecd), de nombreuses interactions ont lieu avec un utilisateur humain expert du domaine ou ana-lyste qui y joue un rôle moteur. Pour aider l'analyste dans sa tâche, de nombreux outils permettent toutes sortes de visualisations réalistes des résultats, mais leurs capacités d'interaction restent souvent limitées à des manipulations graphiques. Nous proposons une approche interactive et visuelle de l'ecd supportée par un système de gestion de traces. Nous nous focalisons dans un premier temps sur l'étape d'interprétation. 1 Traces et système à base de traces Nous nous plaçons dans le cadre de l'étude des traces modélisées (Champin et al., 2013) où une trace est issue de l'observation d'un phénomène et est constituée d'une séquence d'éléments observés temporellement situés que nous appelons des obsels. Une trace est modélisée c'est-à-dire qu'elle se conforme à un modèle de trace décrivant les types d'obsels, leurs attributs et leurs relations et permettant d'interpréter la trace afin de faciliter son exploitation ultérieure. Les traces sont manipulées par des opérations élémentaires appelées transformations qui sont de différents types : filtrage d'obsels, fusion de traces, etc. Parmi ces transformations, la réécriture est une opération qui crée une nouvelle trace appelée trace transformée qui vise à augmenter progressivement le niveau de compréhension et d'abstraction de la trace initiale. La réécriture consiste à construire une nouvelle trace t 2 à partir d'une trace primaire t 1 en remplaçant dans t 2 des motifs, c'est-à-dire des séquences d'obsels, de t 1 par de nouveaux types d'obsels résumant chaque motif et en constituant une interprétation. Un système à base de traces est un système permettant de collecter, de traiter et de visualiser des traces. La réécriture de traces se situe au coeur du dispositif mis en place dans l'interprétation interactive. Ce travail a été réalisé dans le cadre du projet OFS-Open Food System, programme investisse-ments d'avenir.

The Web of Things extends the Internet of Things with Web technologies to interconnect smart things and build scalable, adaptable, and interoperable applications. In this context, smart things expose their services as RESTful resources, to be combined in composite applications. Though, due to the proliferation of connected objects, multiple smart things often are available to provide a single service, showing the need for a task allocation mechanism for the Web of Things. Our work addresses the task allocation problem, which consists in selecting a set of objects to realize a complex application in a setup where several objects provide the same functionality. We rely on a multi-agent approach to describe this problem as a Distributed Constraint Satisfaction problem. We propose a solution that respects the fundamental principles of the Web by respecting the REST architectural style and design principles. We implemented our solution with a typical smart city scenario to show the applicability of our approach.

National audience; Alors que l'extraction de connaissances à partir de données (ECD) est un processus qualifié d'interactif et d'itératif, l'interactivité des outils est souvent limitée et son étude est relativement récente.Elle est pourtant déterminante lors de l'interprétation pour choisir les motifs qui deviendront des connaissances. Nous proposons Transmute, un outil d'assistance à l'interprétation dans le processus d'ECD dans le cadre de la recherche d'épisodes séquentiels à partir de traces. La phase d'interprétation est itérative et à chaque itération les résultats de la fouille sont mis à jour dynamiquement en fonction des interactions avec l'analyste. Des outils de visualisation et des mesures de qualité indépendantes du domaine permettent de caractériser l'intérêt des motifs à interpréter pour faciliter leur choix et accompagner le travail de l'analyste afin de l'aider à se focaliser plus rapidement sur les motifs potentiellement intéressants.

International audience; We present an architecture for self-motivated agents to generate behaviors in a dynamic environment according to its possibilities of interactions. Some interactions have predefined valences that specify inborn behavioral preferences. Over time, the agent learns to recognize affordances in its surrounding environment under the form of structures called signatures of interactions. The agent keeps track of enacted interactions in a spatial memory to generate a completed context in which it can use signatures to recognize and localize distant possibilities of interactions, and generates behaviors that satisfy its motivation principles.

International audience; The Web of Things (WoT) aims at connecting things to applications using web technologies, on top of the Internet of Things. WoT applications are distributed and gather different levels of abstraction. They must be scalable and adapt to dynamic changes in their environment. The question we explore in the scope of my PhD thesis is: how can we deal with context in WoT applications? Our objective is to enable scalable multi-level context-aware adaptation for WoT applications. We intend to build models to describe context and reason about it. First, we have studied related work to identify a set of contextual levels and dimensions and have proposed semantic models suitable for several adaptation tasks in WoT applications. Second, we designed and implemented an architecture that distributes some adaptation tasks onto the client side, to improve reasoning scalability.

National audience; Cet article présente une démarche pour concevoir et implémenter un système d’authentification des utilisateurs dans les plates-formes web de formations certifiantes. Le système que nous proposons s’appuie sur deux modules : l’un combinant intelligemment différentes méthodes d’authentification connues, en fonction de leur disponibilité, et l’autre proposant une nouvelle approche d’authentification des utilisateurs à partir de leurs traces d’interaction. Ce système sera intégré dans la plate-forme de formation en ligne conçue et développée par la société Ignition Factory 2 . Dans cet article, nous présentons nos travaux préliminaires pour la définition de l’architecture de ce système, ainsi que l’état de l’art des méthodes d’authentification que nous avons réalisé.

National audience; Le projet AGATE a donné naissance au système SEPIA qui permet à un concepteur d'assistance de définir des systèmes d'assistance greffés dans des applications-cibles (Windows, Java, Web…), sous forme d'un ensemble de règles aLDEAS. L'articulation entre ces règles était jusqu'à maintenant exprimée implicitement dans le langage aLDEAS. L'étude de systèmes d'assistance existants montre que cette articulation entre les règles d'assistance peut prendre des formes variées. Nous proposons dans cet article d'une part un modèle d'articulation entre règles comportant les cinq modes d'articulation que nous avons identifiés, et d'autre part l'implémentation de ce modèle au sein du système SEPIA. Ce modèle explicite et facilite la définition d'articulations entre les règles d'un système d'assistance.

National audience; L'observation d'une activité pour comprendre des comportements particuliers nécessite de discerner ce qui relève ou non du contexte. En intelligence artificielle la notion de contexte est une approche modale du raisonnement et plusieurs études ont été faites pour proposer des modèles génériques de représentation des connaissances contextuelles. La question de la découverte interactive des connaissances contextuelles et de leur inscription dans un modèle générique n'est toutefois que rarement examinée dans la littérature. Cette communication propose une approche exploitant le potentiel de la représentation de l'activité par ses traces modélisées d'interaction. Elle consiste à assister la découverte du contexte explicatif par une approche interactive associant l'analyse des données, les connaissances de l'analyste et leur mise en situation dans les traces modélisés. Cette approche interactive facilite l'élicitation de ce qui est contexte ou non. De plus, nous montrons qu'il est alors possible de représenter le contexte découvert sous une forme générique telle que proposée dans la littérature spécialisée. La méthode a été implémentée et a permis la découverte de contextes explicatifs pour la consommation en carburant lors de l'activité de conduite automobile. Les expérimentations, les données et les analyses ont été menées à l'IFSTTAR dans des conditions de conduite réelles.

International audience; The question of client-side reasoning is crucial to semantic web application design as client performances drastically increase. It is an opportunity for ubiquitous devices to use semantic technologies. In this paper, we propose a lightweight, modular and adaptive architecture developed in JavaScript for hybrid client/server side reasoning. We evaluate the performance of the reasoning process with different browsers, devices and network conditions, and discuss the best strategy with respect to the envisioned reasoning tasks.

International audience; This paper addresses the issue of assisting observation and analysis of learners’ behaviour. Our goal is to propose models/tools to facilitate these tasks for the trainer. We propose an approach based on the exploitation traces. The trace represents learners’ practices within learning environments. The principle is to transform traces of low abstraction level to build higher-level information that reflects the learner’s behaviour. Our work is part of a project in partnership with the EDF Group aiming to assist trainers in observation and analysis of trainee operators for driving activities on nuclear power plant fullscale simulator. We developed a platform D3KODE that implements our models. D3KODE allows storage, processing and interactive visualisation of traces, and has been experimented with EDF Group experts, trainers and trainees. The result demonstrated D3KODE helped the trainers to confirm/validate more easily realisations and no-realisations of educational objectives trainees and facilitated the exchanges between tutors and trainees.

Session 2 : Utilisateurs et usages; National audience; Nous proposons un langage qui permet de spécifier des systèmes d'assistance pour une application cible donnée, sous la forme d'un ensemble de règles. Ce langage est complété par plusieurs patrons d'actions d'assistance. Nous avons mis en œuvre ces propositions à travers un éditeur d'assistance à destination des concepteurs d'assistance et un moteur générique d'assistance permettant d'exécuter l'assistance spécifiée pour les utilisateurs finaux de l'application-cible sans avoir à la modifier.